[发明专利]一种城市流量预测方法

权利要求书

1.一种城市流量预测方法，其特征为，具体包括如下步骤：

S1：对城市流量数据以经纬度划分为网格，每个网格代表一个区域，然后按时间顺序以窗口滑动方式对城市流量数据进行划分，并构造时空随机遮掩数据和序列打乱数据；

S2：对于时空随机遮掩数据，利用时空随机遮掩编码器Enc_M进行时空随机遮掩预训练；

S3：对于序列打乱数据，利用全局与局部相结合的注意力模块Enc_C进行序列顺序对比学习预训练；

S4：构建图处理模块，将时空随机遮掩预训练中自注意力模块产生的注意力权重处理为城市区域间相关性系数，利用图处理模块增强空间相关性捕捉能力；

S5：将预训练模块与图处理模块融合，构建时空融合预测模块，进行预测训练。

2.如权利要求1所述的城市流量预测方法，其特征在于：步骤S1中，将城市流量数据中每个时刻的流量图以经纬方向划分为若干个网格，每个网格代表一个区域，然后将带有时间信息的城市流量数据利用长度为n的滑动窗口进行划分，每次划分得到一个长度为n的连续流量数据单元U，所有得到的连续流量数据单元U共同组成连续流量数据单元集S。

3.如权利要求2所述的城市流量预测方法，其特征在于：构造时空随机遮掩数据和序列打乱数据的步骤为：

S1-1：在连续流量数据单元集S中的每个连续流量数据单元U中，针对每个时刻的每个区域，都以概率μ决定是否遮盖，得到时空随机遮掩数据；

S1-2：将连续流量数据单元集S中的一个连续流量数据单元U打乱作为负样本，将该连续流量数据单元U本身作为锚点，从连续流量数据单元集S中随机选择另一个连续流量数据单元作为正样本，得到锚点及其正负样本构成的用于序列顺序对比学习的数据。

4.如权利要求1所述的城市流量预测方法，其特征在于：步骤S2中，将时空随机遮掩数据中被遮掩区域记录位置信息后去除，通过时空随机遮掩编码器Enc_M提取高维特征，恢复不包含流量数据的被遮掩区域位置后，时空随机遮掩编码器Enc_M利用视觉Transformer编码器从剩余区域中提取高维特征，然后利用视觉Transformer解码器恢复被遮掩区域的流量数据信息，与真实流量数据计算损失以进行梯度下降，从而进行时空随机遮掩的预训练。

5.如权利要求1所述的城市流量预测方法，其特征在于：步骤S3中，首先建立全局与局部相结合的注意力模块Enc_C，将序列打乱数据中的锚点及其正负样本通过注意力模块Enc_C提取高维特征后通过线性层改变形状，利用三元组损失进行序列顺序对比学习预训练，使得锚点特征与正样本特征更近，与负样本特征更远；经过序列顺序对比学习预训练，注意力模块Enc_C学习到捕获城市流量变化过程中区域与时序间关系的差异性特征。